Python日志添加用户及计算机名：现有实现是否有更优方案？

推荐方案：直接在日志格式中嵌入用户/计算机名 #

这是最高效的方式，从日志生成的源头就包含所需信息，避免后续额外的文件读写和DataFrame修改操作，逻辑更简洁，性能更好。

import logging
import os
import pandas as pd

user = os.getlogin()
computer = os.environ['COMPUTERNAME']

# 在日志格式字符串中直接加入用户和计算机名变量
logging.basicConfig(
    level=logging.DEBUG,
    filename='log.txt',
    filemode='w',
    format=f'%(filename)s|Line - %(lineno)s|%(asctime)s|%(levelname)s|{user}|{computer}|%(message)s',
    datefmt='%Y-%m-%d %H:%M:%S'
)

# 生成日志时，每条记录会自动带上user和computer字段
logging.debug('示例调试日志')
logging.info('示例信息日志')

# 读取日志到DataFrame，直接包含所有需要的列
log = pd.read_csv('log.txt', sep='|', header=None)
log.columns = ['Job_Name', 'Line', 'Date_Time', 'Level', 'User', 'Computer', 'Message']

# 直接将DataFrame导入SQL Server即可

备选方案：优化DataFrame赋值逻辑（若无法修改日志格式） #

如果因为某些限制不能修改日志输出格式，那么不要用iterrows()逐行修改，改用pandas的整列向量化赋值，效率会大幅提升（尤其是日志行数较多时）。

import logging
import os
import pandas as pd

user = os.getlogin()
computer = os.environ['COMPUTERNAME']

logging.basicConfig(
    level=logging.DEBUG,
    filename='log.txt',
    filemode='w',
    format='%(filename)s|Line - %(lineno)s|%(asctime)s|%(levelname)s|%(message)s',
    datefmt='%Y-%m-%d %H:%M:%S'
)

# 生成日志...

log = pd.read_csv('log.txt', sep='|', header=None)
log.columns = ['Job_Name', 'Line', 'Date_Time', 'Level', 'Message']

# 整列赋值替代逐行循环，性能提升显著
log['User'] = user
log['Computer'] = computer

# 导入SQL Server

方案优势说明 #

• 推荐方案：减少了一次文件读取后的修改操作，日志文件本身就完整保存了所有业务需要的字段，后续导入数据库的流程更顺畅，同时降低了IO开销。
• 备选方案：避免了iterrows()的低效逐行遍历，pandas的向量化操作是基于底层C实现的，处理大量数据时速度会比逐行循环快几十甚至上百倍。

内容的提问来源于stack exchange，提问作者WannabeDev